什么是声纹？它会被模仿导致识别设备误判吗？ 声纹是生物识别特征的一种，是在说话人发声时提取出来的，可以作为说话人的表征和标识，能与其他人相互区别的语音特征，以及基于这些特征或参数所建立的语音模型的总称。 声纹识别又称为说话人识别，是从说话人发出的声音频谱图中提取身份特征信息和声纹特征，再把声信号转换成电信号，用计算机通过相关算法进行比对识别的技术。 清华大学信息技术研究院教授郑方说，语音信号之所以被形

01.人机交互必须要先唤醒吗？ 语音交互流程被划分为五个环节 – 唤醒、响应、输入、理解、反馈。其中唤醒是每一次用户与语音产品交互的第一个接触点，唤醒环节的体验在整个语音交互流程中至关重要，它的体验好坏将直接影响用户对产品的“第一印象”。就目前市面上常见的语音交互产品来说，一个眼神或者一个动作还不能引起它的注意，因此需要定义一个将产品从待机状态切换到工作状态的词语，即所谓的“唤醒词”。比如“小度小度”“若

声纹识别由三部分组成：特征，模型，得分。 特征方面： MFCC/PLP感知线性预测/FBank等短时频谱特征； D-vector (谷歌2014年提的） Deep feature / Bottleneck feature /Tandem feature (三者不是并行关系，可以搜关键词查看相关论文） 模型方面： GMM-UBM JFA （Joint Factor Analysis） GMM-UBM i-vector Supervised-UBM i-vector DNN i-vector （2014年微软Yun Lei等人提的） 得分方面： SVM（早期与GMM-UBM一起使用最为后端分类器） Cosine Distance (CDS) LDA PLDA 当然，随着神经网络的发展和训练数据的庞大